危险环境中自主空地车运营优化：基于多臂老带分法
系统与控制
2025-08-12 v1 系统与控制
最优化与控制
摘要
化学泄漏、放射性区和生物污染场等危险环境对人类安全和公共基础设施构成严重威胁。这些环境中的快速可靠危险缓解措施往往危险且不安全，亟需自主系统能够自适应感知并应对变化的风险。本文提出了一种用于危险环境中自主车辆调度的决策框架，处理风险水平不确定且动态变化的情形。该系统将贝叶斯上置信界（BUCB）感知策略与任务特定的车辆路径问题（VRPP）相结合，实现对无人机（UAV）进行危险感知和无人地面车（UGV）进行清理的自适应协调。利用VRPP可在资源受限条件下进行选择性现场访问，通过为每个现场分配访问价值来反映感知或清理优先级。通过时加权贝叶斯更新维护现场级别的危险信念。BUCB得分指导UAV路径规划，在不确定性下平衡探索与开发，而UGV路径在资源受限条件下优化以最大化预期危险减缓。仿真结果表明，与基准调度策略相比，本框架平均可减少约30%的调度循环以解决危险，凸显了面向可靠危险缓解的不确定性感知车辆调度的价值。
引用
@article{arxiv.2508.08217,
title = {Autonomous Air-Ground Vehicle Operations Optimization in Hazardous Environments: A Multi-Armed Bandit Approach},
author = {Jimin Choi and Max Z. Li},
journal= {arXiv preprint arXiv:2508.08217},
year = {2025}
}